Calculadora de distribuição normal

A distribuição normal é um modelo contínuo de probabilidade com curva simétrica em forma de sino. A média define o centro, e o desvio padrão determina a dispersão ao redor dele. Muitos erros de medição, características biológicas, resumos de notas e estatísticas amostrais são aproximadamente normais, tornando essa distribuição central na estatística e na análise de dados. A calculadora aceita qualquer média finita e desvio padrão positivo. A função densidade de probabilidade, PDF, informa a altura da curva no valor inferior x. Densidade não é probabilidade: uma variável contínua tem probabilidade zero de ser exatamente igual a um ponto. As probabilidades são áreas sob a curva. A função de distribuição acumulada, CDF, informa a área à esquerda de x, P(X <= x). A cauda superior é a área complementar à direita, P(X > x), igual a um menos a CDF. Para calcular uma faixa, use x como limite inferior e insira um limite superior maior ou igual a x. A calculadora subtrai a probabilidade acumulada inferior da superior. Por exemplo, a área normal padrão de zero a um é cerca de 0.3413. Pela simetria, a área de menos um a zero é igual; assim, aproximadamente 68.27 por cento de uma população normal está a até um desvio padrão da média. O escore z padroniza x subtraindo a média e dividindo pelo desvio padrão. Zero coincide com a média; um fica um desvio padrão acima; e menos dois, dois abaixo. A padronização permite usar uma mesma CDF normal para distribuições expressas em unidades diferentes. A calculadora usa uma aproximação numérica consolidada da função erro para avaliar essas áreas. Modelos normais são poderosos, mas não devem ser aplicados automaticamente. Forte assimetria, caudas pesadas, vários picos, limites rígidos ou valores atípicos influentes podem tornar a curva enganosa. Uma probabilidade normal descreve um modelo, não prova algo sobre uma população real. Verifique o contexto de geração dos dados e use gráficos de diagnóstico quando houver observações. Para contagens discretas, uma correção de continuidade pode ser adequada; distribuições binomial, Poisson, t ou outras podem representar melhor o processo real.